基于改进AMCL算法的移动机器人室内定位研究.pdfVIP

摘要

摘要

定位导航技术是移动机器人的核心技术。本研究瞄准机器人定位领域精度优化

AMCL

的迫切需求，针对传统自适应蒙特卡洛（）算法存在计算量大、粒子退化、

受激光模型和复杂环境限制等问题，以自适应蒙特卡洛定位算法与多传感器融合技

术为突破点，开展了相关研究。提出了一种基于多传感器改进AMCL融合碰撞算法

的新型定位算法，具体研究内容如下：

1．本研究提出了一种改进的AMCL定位算法，创新性的将碰撞算法中的包围

盒思想引入到AMCL的粒子迭代过程中，对包围盒及其周围的随机粒子进行碰撞检

测，根据碰撞检测结果对随机粒子进行分类，对发生碰撞的粒子赋予较大的权重并

保留，表示这些随机粒子更加接近真实粒子处，可信度更高；而给没有发生碰撞的

粒子分配较小的权重，表示这些随机粒子的可信度低，对重新计算权重后的粒子进

行重采样和更新。通过添加上述进程，使得粒子的运动轨迹始终靠近真实位姿处。

2．对多传感器融合技术进行了概述，并提出了一种基于激光雷达、深度相机、

IMU、轮式里程计的多传感器信息互补的移动机器人定位方案，并在ROS系统中进

行了仿真实验。首先搭建了一个四轮差速转向的移动机器人模型，并且为其配置了

深度相机、IMU、激光雷达等传感器；在Gazebo仿真软件中搭建了一个模拟室内环

境的仿真世界，该仿真环境包含障碍物和狭窄路段，目的是检验移动机器人在经过

狭窄空间时的定位效率。通过仿真实验发现，原始的AMCL定位算法在经过狭窄路

段时，定位算法失效，移动机器人陷入假死状态，需要通过恢复行为来重新定位；

而本文改进的AMCL定位算法成功实现了狭窄区域的通行，解决了传统AMCL定

位算法存在的粒子退化问题。

3．将改进后的AMCL定位算法与多传感器技术进行融合。在ROS系统中重新

搭建仿真环境，利用Gazebo仿真软件构建了一个类似于房屋的室内环境，并且在其

中添加了地平面、墙壁、楼梯等组件。在此基础上对移动机器人的传感器进行了仿

真，以便后续的仿真定位实验。首先进行了粒子群的轨迹定位仿真实验，从实验结

果可以发现，本文改进算法的粒子群测量误差波动较小，基本收敛到稳定状态。在

RVIZ仿真软件中进行了定位实验，发现本文改进算法的定位效率较原始AMCL定

位算法提高了18.25%；较对照组提高了9.28%。验证了本文提出的优化AMCL定位

算法在仿真模型中的可行性，为下一步提高实体机器人的定位效率奠定了理论基础。

4．最后是基于实验平台的室内定位实验。首先进行了室内定位轨迹仿真实验，

来验证本文改进算法在实体机器人操作系统中的运行效果。借助于机器人大赛的赛

I

摘要

道地图，在MATLAB2023A中创建了模拟地图的二维模型。在此基础上进行了定位

仿真实验，并生成了运动轨迹及相关定位数据。通过数据分析，改进算法的坐标值

标准差较小，X轴上的标准差下降了1.98%，Y轴上的标准差下降了2.66%。证明改

进算法的数据离散程度有所降低，数据点更加集中；并且改进算法的历时明显优于

原始AMCL定位算法，较原始算法效率提升了18.78%。然后在实验平台上进行了

室内重复定位实验，借助于长直走廊环境，并搭建了具体的实验场景。分别将传统

的AMCL定位算法与本文改进的定位算法移植到实体移动机器人的ROS系统中，

通过重复定位实验，得出本研究改进的定位算法在五个轨迹点上的偏差平均优化了

18.62%。验证了本文改进算法在定位精度、稳定性及鲁棒性上具有明显提升。

关键词：移动机器人AMCL算法多传感器融合技术碰撞算法ROS

II

Abstract

Abstract

Localizationandnavigationtechnologyisthecoretechnologyof

mobilerobots.Aimingat